| 研究課題/領域番号 |
18K11484
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61040:ソフトコンピューティング関連
|
|---|
| 研究機関 | 関西大学 |
|---|
研究代表者 |
榎原 博之 関西大学, システム理工学部, 教授 (50194014)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2020年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2019年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2018年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
|---|
| キーワード | 深層学習 / 強化学習 / 機械学習 / 組合せ最適化問題 / 巡回セールスマン問題 / 最適化問題 / 最適化 / 近似解法 |
|---|
| 研究成果の概要 |
本研究では、組合せ最適化問題の1つである巡回セールスマン問題に対してディープラーニング（深層学習）並びに深層強化学習を適用した近似解法を提案する。ランダムに生成した大量の問題例に対して、最適解もしくは最良解を画像としてディープラーニングに学習させ、出力として得られた画像データから評価値を算出する。学習により得られた評価値を従来の距離による評価値の代りにヒューリスティック解法に適用して解を求める。計算機実験により、学習により得られた評価値が有効であることが分かった。
|
| 研究成果の学術的意義や社会的意義 |
組合せ最適化問題、特に、巡回セールスマン問題は応用範囲がたいへん広く、宅配便の配送計画や、ロボットの動作計画、プリント基板のドリル穴空け問題などに応用できるため、社会的意義は大きいと考える。
さらに、巡回セールスマン問題は、最も研究されている組合せ最適化問題の1つであり、この問題にディープラーニング手法の有効性を示すことは、他の組合せ最適化問題へも応用を示唆するとともに、ディープラーニングの新たな応用分野を示すことにもなっており、学術的意義は大きいと考える。
|
